很多人说 AI 抠像时，脑子里想的是把人物从背景里自动擦出来。商业后期里的 roto 通常更具体，艺术家要把主体拆成可管理的形状，处理边缘、运动、遮挡和帧间变化，最后交付可继续修改的样条与遮罩。
AI 能减少重复关键帧工作，暂时不能替团队承担镜头判断。以 Foundry 当前公开的 SmartRoto 为例，它作为 Nuke 系列的插件，从少量输入帧传播样条，艺术家可以锁定、修正和继续迭代。这个思路很适合拿来理解 AI 辅助 roto 的边界。如果你正在比较 LED、绿幕和后期方案，可以先看虚拟拍摄和绿幕的四笔账，本文只讨论 roto 这一段。
先分清抠像、分割和 roto
绿幕抠像依赖颜色差异，分割模型会尝试预测主体区域，roto 则要把主体边缘变成可编辑的形状。广告片里经常需要把一个人拆成头发、脸、手臂、衣服、道具等多个部分，每个部分都可能有不同的运动和遮挡关系。
一个只有透明通道的结果，未必能满足合成师的工作。合成师还要调整边缘软硬、运动模糊、形状生命周期和局部层级。AI 工具若能保留样条和关键帧，后续修改会更接近原有的 roto 工作方式。
AI 辅助的工作方式
实际操作通常从一帧清楚、主体没有被遮挡的画面开始。艺术家先画出合理的形状，再跳到变化明显的帧添加关键帧。模型根据图像特征传播这些形状，艺术家检查结果，修正偏差，并把修正后的帧作为新的约束继续运行。
这种工作方式有一个重要特点，人工修改会回到后续传播里。艺术家不需要接受一份完全错误的遮罩，再从头重画。工具负责填补重复动作，艺术家负责决定形状怎么拆、哪些边缘必须精准以及什么时候应该结束一个形状。
哪些镜头值得先做小样
第一类是轮廓清楚、运动连续的镜头。人物走动、产品沿轨道移动、同一物体在多个帧里保持相近形状，都适合比较人工和 AI 的时间差。
第二类是有局部遮挡的镜头。部分遮挡通常可以通过关键帧提示来维持形状关系，但被完全遮住以后，工具需要等待主体重新出现，艺术家仍要设置形状的生命周期。
第三类是带有运动模糊的镜头。模型可能把边缘放在模糊带中间，最终合成时还要按画面意图调整。模糊越重，人工检查的价值越高。
相似主体、细发丝、透明材质、快速旋转和强烈反光也应放进测试片段。它们能很快暴露工具对特征和边缘的处理能力。
评估时别只看自动生成速度
商业项目做小样时，至少记录四项结果。第一项是从素材整理到第一版可用 roto 的总时间。第二项是艺术家需要重新修正的帧数和形状数。第三项是样条是否保持可编辑，能否继续调整边缘和运动模糊。第四项是交给合成后，返修次数有没有下降。
厂商的测试速度可以帮助理解产品方向，不能直接拿来做所有项目的排期承诺。镜头长度、主体数量、分辨率、遮挡和艺术家熟练度都会改变结果。真正有参考价值的是与正式项目相似的三到五个片段。
版本、许可和数据也要问清楚
目前公开资料把 SmartRoto 放在 Nuke 系列插件中，使用前应核对 Nuke 的具体版本、插件版本和许可方式。采购时还要确认渲染机器能否使用同一套工具，避免样条在交接环节失去可编辑性。
项目还应确认素材是否在本地处理，缓存和日志会写到哪里，外部协作者能否打开带有 AI 关键帧的脚本。涉及未发布广告、演员肖像和客户产品时，数据边界和权限记录要进入项目文件，而不能只依赖口头约定。
给制作团队的验收清单
- 选取与正式项目相似的短片段，包含清晰、遮挡、模糊和细边缘
- 保留人工基线，记录相同艺术家的处理时间
- 检查第一帧、变化帧和遮挡前后的轮廓
- 放大查看头发、半透明物、手指和产品边缘
- 将样条交给合成流程，确认能继续修改和渲染
- 把返修时间计入总成本，再决定是否扩大使用范围
AI roto 的价值往往落在重复劳动上。它把艺术家从大量相似关键帧里解放出来，艺术家仍要负责形状设计、边缘判断和最终交付。对商业视频来说，先做小样、保留可编辑结果、用总返修时间评估，远比问一个漂亮的提速数字更可靠。
